Segitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi

Abstract

Sistem pengenalan pola seperti pengenalan suara, aroma, wajah, dan tulisan sudah berkembang dengan pesat dan sebagian besar menggunakan metode jaringan syaraf tiruan (JST) seperti multilayer perceptron, back propagation dan lainnya. Pada sistem pengenalan pola secara umum terdapat
beberapa komponen yang terintegrasi. Komponen tersebut dikelompokan menjadi 3 bagian yaitu input data, processing data dan output data. Merata-ratakan beberapa nilai yang berdistribusi menjadi sebuah nilai tunggal akan menyebabkan informasi dari nilai-nilai itu akan tereduksi didalam pengenalan pola pada bagian proses pembelajarannya. Dalam paper ini
akan dijelaskan suatu metode Segitiga Fuzzy-Neural Network yang dapat memasukan semua informasi dari nilai-nilai yang terukur dari suatu sensor agar lebih merepresentasikan keseluruhan data dan tidak ada informasi yang terreduksi. Hasil pengenalan pola untuk suatu aroma dengan metode ini menunjukan akurasi yang cukup tinggi.